張國(guó)玉, 洪 超， 陳杜琳， 葉季蕾

(1. 南京工程學(xué)院,江蘇 南京 211100；2. 景德鎮(zhèn)陶瓷大學(xué),江西 景德鎮(zhèn) 333000；3. 中國(guó)電力科學(xué)研究院南京分院,江蘇 南京 210003)

?

面向儲(chǔ)能電站調(diào)度的光儲(chǔ)發(fā)電系統(tǒng)運(yùn)行優(yōu)化策略研究

張國(guó)玉1, 洪 超2， 陳杜琳1， 葉季蕾3

(1. 南京工程學(xué)院,江蘇 南京 211100；2. 景德鎮(zhèn)陶瓷大學(xué),江西 景德鎮(zhèn) 333000；3. 中國(guó)電力科學(xué)研究院南京分院,江蘇 南京 210003)

光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)的優(yōu)化調(diào)度策略是實(shí)現(xiàn)光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)經(jīng)濟(jì)及安全運(yùn)行的重要保障，然而傳統(tǒng)的經(jīng)濟(jì)優(yōu)化調(diào)度模型并未考慮電池儲(chǔ)能電站內(nèi)部電池的有效管理。本文提出了一種經(jīng)濟(jì)優(yōu)化調(diào)度策略，依據(jù)儲(chǔ)能系統(tǒng)各電池組性能參數(shù)和運(yùn)行狀態(tài)，以儲(chǔ)能系統(tǒng)運(yùn)行一天總成本最低為優(yōu)化目標(biāo)，以系統(tǒng)平衡、荷電狀態(tài)、功率限值和調(diào)度循環(huán)為約束條件，建立了經(jīng)濟(jì)優(yōu)化調(diào)度數(shù)學(xué)模型，并應(yīng)用改進(jìn)粒子群算法進(jìn)行求解。最后，算例仿真結(jié)果驗(yàn)證了改進(jìn)粒子群算法的優(yōu)越性和優(yōu)化調(diào)度策略在光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)中應(yīng)用的可行性。

電池儲(chǔ)能電站；光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)；經(jīng)濟(jì)；優(yōu)化；調(diào)度策略；粒子群算法

0 引言

光伏發(fā)電輸出功率因受天氣和地理?xiàng)l件的影響具有很大的波動(dòng)性和隨機(jī)性，給電網(wǎng)的穩(wěn)定性和電能質(zhì)量造成了很大影響。隨著光伏發(fā)電在電網(wǎng)中容量比例的大幅增加，這種影響變得更加顯著。將儲(chǔ)能技術(shù)引入光伏系統(tǒng)，形成光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)，可有效解決光伏發(fā)電并網(wǎng)問(wèn)題，不僅可以平抑功率波動(dòng)，滿足光伏發(fā)電并網(wǎng)要求，而且可以提高光伏發(fā)電的電能質(zhì)量，增強(qiáng)光伏發(fā)電并網(wǎng)運(yùn)行的可靠性[1-4]。目前，大容量?jī)?chǔ)能技術(shù)主要有抽水蓄能、壓縮空氣儲(chǔ)能、電池儲(chǔ)能，相比抽水蓄能和壓縮空氣儲(chǔ)能建設(shè)地理?xiàng)l件的局限性，電池儲(chǔ)能電站不僅沒(méi)有嚴(yán)苛的建設(shè)地理?xiàng)l件限制，而且循環(huán)壽命長(zhǎng)，響應(yīng)時(shí)間快，對(duì)生態(tài)環(huán)境影響較小，功率可雙向流動(dòng)，應(yīng)用前景十分廣闊。

目前，國(guó)內(nèi)外學(xué)者主要致力于研究光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)的運(yùn)行控制策略和如何根據(jù)負(fù)荷需求進(jìn)行有效優(yōu)化調(diào)度。文獻(xiàn)[5]將風(fēng)光儲(chǔ)微電網(wǎng)運(yùn)行成本最少作為目標(biāo)函數(shù)，計(jì)及功率平衡約束、荷電狀態(tài)約束、發(fā)電容量約束，并考慮了微電網(wǎng)與大電網(wǎng)的交互功率；文獻(xiàn)[6]基于機(jī)會(huì)約束規(guī)劃建立了微網(wǎng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型，綜合成本函數(shù)中除發(fā)電成本、環(huán)境成本，交互成本外，還納入了制熱收益；文獻(xiàn)[7]研究了儲(chǔ)能系統(tǒng)平抑可再生能源輸出功率波動(dòng)的效果；文獻(xiàn)[8-10]綜合考慮了經(jīng)濟(jì)效益、系統(tǒng)可靠性、平抑功率波動(dòng)、環(huán)境保護(hù)、符合發(fā)電計(jì)劃曲線等多方面指標(biāo)，并通過(guò)模糊理論進(jìn)行目標(biāo)函數(shù)隸屬度轉(zhuǎn)換，將多目標(biāo)函數(shù)轉(zhuǎn)為單目標(biāo)函數(shù)。但上述文獻(xiàn)都是把電池儲(chǔ)能電站作為一個(gè)整體進(jìn)行調(diào)度，并未考慮電池儲(chǔ)能電站內(nèi)部電池的出力分配。

考慮到制約光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)在電網(wǎng)中大規(guī)模應(yīng)用的重要因素是電池儲(chǔ)能電站昂貴的運(yùn)行成本，本文依據(jù)儲(chǔ)能電站各電池組性能參數(shù)和運(yùn)行狀態(tài)，以儲(chǔ)能電站運(yùn)行一天總成本最低為優(yōu)化目標(biāo)，以系統(tǒng)平衡、荷電狀態(tài)、功率限值和調(diào)度循環(huán)為約束條件，充分考慮對(duì)電池的充放電保護(hù)，提出了一種光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度策略。本文僅考慮儲(chǔ)能電站有功功率調(diào)度，以光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)獨(dú)立運(yùn)行為算例進(jìn)行研究，仿真結(jié)果驗(yàn)證了改進(jìn)算法的優(yōu)越性及優(yōu)化調(diào)度策略的可行性。

1 光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)拓?fù)浣Y(jié)構(gòu)

光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)主要由光伏發(fā)電、電池儲(chǔ)能電站和負(fù)荷組成，該系統(tǒng)的結(jié)構(gòu)如圖1所示，光伏發(fā)電輸出功率為Ppv，電池儲(chǔ)能電站輸出功率為Pb，兩者的合成功率為Pout。電池儲(chǔ)能電站由儲(chǔ)能電池、電池管理系統(tǒng)(battery management system，BMS)、能量轉(zhuǎn)換系統(tǒng)(power conversion system，PCS)及儲(chǔ)能監(jiān)控系統(tǒng)組成，其中，BMS負(fù)責(zé)監(jiān)視儲(chǔ)能電池的運(yùn)行狀態(tài)，采集電池的電壓、電流、溫度等信息，實(shí)現(xiàn)實(shí)時(shí)均衡和保護(hù)功能；PCS實(shí)現(xiàn)交流與直流的雙向轉(zhuǎn)換，接收儲(chǔ)能監(jiān)控系統(tǒng)的控制命令，按指定的工作模式進(jìn)行充放電，并與BMS進(jìn)行信息交互，確保儲(chǔ)能電站在安全穩(wěn)定的狀態(tài)下進(jìn)行工作。

圖1 光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)拓?fù)浣Y(jié)構(gòu)Fig.1 Topology of photovoltaic-energy storage hybrid generation system

電池儲(chǔ)能電站中一個(gè)電池堆(battery pack，BP)和一臺(tái)PCS/BMS構(gòu)成一條儲(chǔ)能支路，若干個(gè)調(diào)度過(guò)程中保持同步的儲(chǔ)能支路構(gòu)成一個(gè)獨(dú)立可調(diào)電池組Ai(i=1,2…,N)，假設(shè)同一電池組中的電池參數(shù)相同，電池工作狀態(tài)相同，且參數(shù)同步改變。功率調(diào)度過(guò)程中，各儲(chǔ)能支路PCS/BMS先經(jīng)通信網(wǎng)絡(luò)向調(diào)度中心上傳運(yùn)行參數(shù)，之后儲(chǔ)能監(jiān)控系統(tǒng)根據(jù)調(diào)度中心下達(dá)的調(diào)度指令，經(jīng)調(diào)度算法計(jì)算出各獨(dú)立可調(diào)電池組Ai的功率分配Pi，最后根據(jù)各儲(chǔ)能支路的容量平均分配給PCS，由各PCS在該儲(chǔ)能支路中的電池堆中實(shí)行平均分配[11]。電池儲(chǔ)能電站功率調(diào)度分配如圖2所示。

圖2 電池儲(chǔ)能電站功率調(diào)度分配Fig.2 Power dispatching of battery storage power station

2 優(yōu)化調(diào)度數(shù)學(xué)模型

本文把光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)運(yùn)行一天作為一個(gè)周期來(lái)研究，將一天分為24個(gè)時(shí)段，每個(gè)時(shí)段為1 h，通過(guò)優(yōu)化各個(gè)時(shí)段的電池組充放電功率，使電池儲(chǔ)能電站運(yùn)行一天總成本最低。其中控制變量是每個(gè)時(shí)段各電池組的調(diào)度功率Pi(t)(i=1,2…,N；t=1,2...,H)。

2.1 目標(biāo)函數(shù)

光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)優(yōu)化調(diào)度的本質(zhì)是基于儲(chǔ)能電池運(yùn)行允許的條件下對(duì)各電池組進(jìn)行統(tǒng)籌協(xié)調(diào)，實(shí)現(xiàn)電池儲(chǔ)能電站運(yùn)行一天總成本最低[12]?？傔\(yùn)行成本主要包括儲(chǔ)能電站在充放電過(guò)程中的功率損耗、電站建成后定期或不定期的檢修與維護(hù)[13]以及固定建設(shè)成本消耗[14]，目標(biāo)函數(shù)可表示為[15]：

(1)

(2)

(3)

(4)

式中：Cl(t)為t時(shí)段電池儲(chǔ)能電站的損耗成本；Cm(t)為t時(shí)段電池儲(chǔ)能電站的維護(hù)成本；Cf(t)為t時(shí)段電池儲(chǔ)能電站的固定建設(shè)成本消耗；H為時(shí)段數(shù)；τ為t時(shí)段和t+1時(shí)段的時(shí)間間隔；N為電池組組數(shù)；kli為第i組電池組電能損耗系數(shù)；ηci為第i組電池組充電效率；ηdi為第i組電池組放電效率；Pi(t)為t時(shí)段第i組電池組的調(diào)度功率，該值為正表示充電，為負(fù)表示放電；μi(t)為t時(shí)段第i組電池組充放電標(biāo)志，取值0，1及-1，分別代表浮充、充電及放電狀態(tài)；kmi為第i組電池組運(yùn)行維護(hù)系數(shù);θi為第i組電池組老化系數(shù)；Ri為第i組電池組可允許的總循環(huán)次數(shù)；Cfi為第i組電池組固定建設(shè)成本；ri(t)為t時(shí)段第i組電池組已充放電次數(shù)；ρi(t)為t時(shí)段第i組電池組是否成為一次獨(dú)立充放電行為的標(biāo)志位，假設(shè)t時(shí)段第i電池組處于浮充狀態(tài)或者充放電模式與前一非浮充狀態(tài)充放電模式一致，則ρi(t)為0，否則為1。若判定t時(shí)段第i組電池組為一次獨(dú)立充放電行為，則該電池組已充放電次數(shù)加1。即：

(5)

2.2 約束條件

(1) 功率平衡約束。要確保供電和用電的平衡，且各時(shí)刻電池組調(diào)度功率之和應(yīng)滿足儲(chǔ)能電站調(diào)度指令，即存在功率等式：

Ppv(t)-Pbat(t)=Pload(t)

(6)

(7)

式中：Ppv(t)為t時(shí)段光伏發(fā)電輸出功率；Pbat(t)為t時(shí)段儲(chǔ)能電站總調(diào)度功率；Pload(t)為t時(shí)段負(fù)荷需求功率。

(2) 電池組荷電量約束。為了保護(hù)電池組，延長(zhǎng)電池組使用壽命，避免電池組的過(guò)充過(guò)放，電池組荷電狀態(tài)需滿足[16]：

(8)

(9)

(10)

式中:Soci(t-1)和Soci(t)分別為t-1時(shí)段和t時(shí)段第i組電池組的荷電狀態(tài)；σi為第i組電池組在單個(gè)時(shí)段內(nèi)的自放電率；ΔEi(t)為t時(shí)段第i組電池組荷電量增加量，ENi為第i組電池組額定容量。

(3) 電池組功率約束。電池組每時(shí)段充放電功率應(yīng)該滿足一定的上下限約束，其約束表達(dá)式為：

(11)

式中:Pcimin和Pcimax分別為第i組電池組允許的最小和最大充電功率;Pdimin和Pdimax分別為第i組電池組允許的最小和最大放電功率。

(4) 儲(chǔ)能電站調(diào)度循環(huán)約束?？紤]到電池儲(chǔ)能電站調(diào)度的繼承性，保證下一調(diào)度周期電池儲(chǔ)能電站的可調(diào)度性，電池儲(chǔ)能電站始末荷電狀態(tài)應(yīng)一致，即滿足：

Soc(0)=Soc(H)

(12)

且：

(13)

式中:Soc(0)和Soc(H)分別為電池儲(chǔ)能電站參與調(diào)度周期初始時(shí)刻和最終時(shí)刻的荷電狀態(tài)；Soci(0)和Soci(H)分別為電池儲(chǔ)能電站第i組電池組參與調(diào)度周期初始時(shí)刻和最終時(shí)刻的荷電狀態(tài)。

2.3 約束條件處理

約束條件(1—3)為硬性約束條件，必需滿足；而式(12)所示約束條件要求調(diào)度周期最終荷電狀態(tài)與初始狀態(tài)完全一致，這種設(shè)定過(guò)于嚴(yán)苛，可以考慮將此約束條件處理為懲罰項(xiàng)加入目標(biāo)函數(shù)。引入懲罰因子λ，λ取較大的正數(shù)，約束條件處理完成后調(diào)度數(shù)學(xué)模型為[17]：

(14)

電池儲(chǔ)能電站各電池組滿足下列約束：

(15)

Socimin≤Soci(t)≤Socimax

(16)

(17)

2.4 優(yōu)化策略

本文電池儲(chǔ)能電站總調(diào)度功率Pbat(t)為光伏發(fā)電輸出功率減去實(shí)際負(fù)荷需求，不考慮儲(chǔ)能電站某時(shí)刻儲(chǔ)能容量不夠的情況。

光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)中，如果對(duì)電池儲(chǔ)能電站調(diào)度不合理，其使用壽命會(huì)大幅度縮短，重置電池儲(chǔ)能電站的造價(jià)成本較高。由優(yōu)化調(diào)度數(shù)學(xué)模型式(4)和(14)可知，電站總運(yùn)行成本包括固定建設(shè)成本消耗，如果儲(chǔ)能電站充放電狀態(tài)頻繁切換，降低電池組使用壽命的同時(shí)，儲(chǔ)能電站總運(yùn)行成本也在增加。因此，要滿足總運(yùn)行成本最低，優(yōu)化調(diào)度策略應(yīng)同時(shí)考慮對(duì)電池儲(chǔ)能電站的充放電保護(hù)，減少電池組充放電狀態(tài)切換次數(shù)。

當(dāng)調(diào)度指令下達(dá)時(shí)，優(yōu)先考慮當(dāng)前狀態(tài)與調(diào)度指令相同的電池組，以減少電池組充放電狀態(tài)切換次數(shù)，延長(zhǎng)電站使用壽命的同時(shí)，減少固定建設(shè)成本消耗，從而使總成本最低。具體為：當(dāng)調(diào)度指令為充電指令時(shí)，優(yōu)先考慮當(dāng)前狀態(tài)為充電的電池組，保持電池組一直充電直至Soc的上限；當(dāng)調(diào)度指令為放電指令時(shí)，優(yōu)先考慮當(dāng)前狀態(tài)為放電的電池組，保持電池組一直放電直至Soc的下限。

3 光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)優(yōu)化調(diào)度求解流程

第一步：讀入相關(guān)數(shù)據(jù)。首先是光伏發(fā)電輸出功率和負(fù)荷需求功率預(yù)測(cè)值；其次是電池儲(chǔ)能電站運(yùn)行參數(shù)，包括充放電效率、最大最小荷電量約束、最大最小允許充放電功率、初始電池組工作狀態(tài)等；再次是儲(chǔ)能電站基本參數(shù)，包括電池組組數(shù)、運(yùn)行維護(hù)系數(shù)、電能損耗系數(shù)、固定建設(shè)成本等；最后是粒子群算法的參數(shù)，包括種群大小、粒子維數(shù)、最大迭代次數(shù)、慣性因子、學(xué)習(xí)因子、粒子最大更新速度等。

第二步：初始化種群。根據(jù)前一時(shí)段各電池組充放電狀態(tài)，以及各時(shí)段調(diào)度需求功率，隨機(jī)產(chǎn)生滿足功率約束條件的種群個(gè)數(shù)為20的N個(gè)電池組24 h調(diào)度功率的值，每個(gè)時(shí)段可調(diào)度功率范圍受前面時(shí)段調(diào)度功率值影響。另外，為減小電池組充放電狀態(tài)切換，延長(zhǎng)電站使用壽命，當(dāng)某時(shí)段調(diào)度需求功率為正，即需要充電時(shí)，優(yōu)先考慮前一時(shí)段為充電狀態(tài)的電池組；當(dāng)某時(shí)段調(diào)度需求功率為負(fù)，即需要放電時(shí)，優(yōu)先考慮前一時(shí)段為放電狀態(tài)的電池組。通過(guò)式(10)計(jì)算得到N個(gè)電池組24 hSoc的值，如果Soc值越限，則取滿足荷電狀態(tài)臨界值的調(diào)度功率值。調(diào)度功率滿足全部約束條件后，計(jì)算電池組充放電狀態(tài)、已充放電次數(shù)等參數(shù)，之后根據(jù)式(1—4)計(jì)算適應(yīng)度值(電站運(yùn)行一天總成本)，記錄粒子的個(gè)體最優(yōu)值和全局最優(yōu)值，并將飛行次數(shù)置0。

第三步：更新粒子的速度和位置，更新時(shí)仍保證當(dāng)某時(shí)段調(diào)度需求功率為正，即需要充電時(shí)，優(yōu)先考慮前一時(shí)段為充電狀態(tài)的電池組，此時(shí)調(diào)度功率全為正值；當(dāng)某時(shí)段調(diào)度需求功率為負(fù)，即需要放電時(shí)，優(yōu)先考慮前一時(shí)段為放電狀態(tài)的電池組，此時(shí)調(diào)度功率全為負(fù)值。如果調(diào)度功率不滿足充放電狀態(tài)切換保護(hù)，或粒子越界，對(duì)其進(jìn)行處理，得到新一代粒子種群。

第四步：計(jì)算新一代種群每個(gè)粒子的適應(yīng)度，與當(dāng)前最優(yōu)解比較，判斷是否更新粒子的個(gè)體最優(yōu)解和全局最優(yōu)解。

第五步：判斷是否達(dá)到最大迭代次數(shù)，若沒(méi)有，飛行次數(shù)加1，并返回至第三步，若滿足，則轉(zhuǎn)入第六步。

第六步：根據(jù)式(10)計(jì)算全局最優(yōu)解時(shí)電池組荷電狀態(tài)，輸出全局最優(yōu)解和電池組荷電狀態(tài)值，算法結(jié)束。

4 算例分析

以某小區(qū)光伏電站為例，系統(tǒng)由光伏逆變器、電池儲(chǔ)能電站及負(fù)荷三部分組成。電池儲(chǔ)能電站由4組電池組組成，各電池組性能參數(shù)如表1所示。

表1 電池組固定參數(shù)Table 1 Performance parameter of battery packs

算例以24 h為一個(gè)完整調(diào)度周期，調(diào)度時(shí)間間隔為1 h。每時(shí)段電池儲(chǔ)能電站優(yōu)化調(diào)度需要前期的光伏發(fā)電輸出和負(fù)荷需求的功率預(yù)測(cè)數(shù)據(jù)，如圖3所示。電池儲(chǔ)能電站調(diào)度功率Pbat(t)為光伏發(fā)電功率減去實(shí)際負(fù)荷需求(正值為充電)，本文不考慮儲(chǔ)能電站某時(shí)刻儲(chǔ)能容量不夠的情況。通過(guò)圖3可以看出，電池儲(chǔ)能電站在光伏發(fā)電輸出功率滿足負(fù)荷需求時(shí)，存儲(chǔ)電能；在光伏發(fā)電輸出功率不滿足負(fù)荷需求時(shí)，釋放電能，起到了削峰填谷的作用。調(diào)度第0時(shí)段，電池儲(chǔ)能電站各電池組運(yùn)行狀態(tài)如表2所示。

圖3 光伏發(fā)電、負(fù)荷需求及電站調(diào)度功率Fig.3 Power of PV,load demand and station dispatching

運(yùn)行狀態(tài)參數(shù)電池組號(hào)A1A2A3A4荷電量Soc初始值0.70.60.50.4已循環(huán)次數(shù)600500100700前一時(shí)刻充放電狀態(tài)-1-1-11

為了獲得較好的算法穩(wěn)定性以及較快的收斂速度，根據(jù)經(jīng)驗(yàn)設(shè)置算法參數(shù)：粒子規(guī)模為20；進(jìn)化迭代次數(shù)為300；學(xué)習(xí)因子c1為2.3，c2為1.8；慣性權(quán)重因子ω變化范圍為[0.4,0.9]；Soc變化范圍為[0.2,0.9]；速度v變化范圍為[-5,5]；功率調(diào)度絕對(duì)值上限為電池組額度功率，下限為0。根據(jù)上文算法步驟用Matlab軟件進(jìn)行算例仿真，各獨(dú)立可調(diào)電池組的最優(yōu)出力結(jié)果如圖4所示。為了清晰反映電池組的充放電狀態(tài)，同時(shí)仿真輸出了最優(yōu)調(diào)度結(jié)果各可調(diào)電池組的荷電狀態(tài)，如圖5所示。各電池組各時(shí)刻荷電狀態(tài)始終處于20%到90%的有效區(qū)間內(nèi)，滿足荷電狀態(tài)約束，避免了電池組的過(guò)充過(guò)放，進(jìn)一步表明優(yōu)化調(diào)度策略的合理性及可用性。

圖4 優(yōu)化調(diào)度功率曲線Fig.4 The power curve of optimal scheduling

圖5 各電池組SOC變化曲線Fig.5 The SOC change curve of each battery pack

為驗(yàn)證本文提出的改進(jìn)粒子群算法的優(yōu)越性，分別采用改進(jìn)粒子群算法和基本粒子群算法對(duì)光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)優(yōu)化調(diào)度問(wèn)題進(jìn)行求解，并進(jìn)行比較分析，如圖6所示。改進(jìn)粒子群算法計(jì)算得到的電池儲(chǔ)能電站運(yùn)行24 h最低成本為3348.86元，較采用基本粒子群算法調(diào)度時(shí)最低運(yùn)行成本3385.08元，直接經(jīng)濟(jì)效益提升了1.1%。而且改進(jìn)后算法收斂精度優(yōu)，尋優(yōu)效率高，具有更強(qiáng)的全局搜索能力。

圖6 兩種算法收斂特性對(duì)比Fig.6 Convergence characteristics comparison

下面以3個(gè)時(shí)段電池儲(chǔ)能電站功率調(diào)度分配為例進(jìn)行分析，調(diào)節(jié)分配結(jié)果如表3所示。

表3 調(diào)度分配結(jié)果Table 3 Allocation results of dispatching

調(diào)度功率為充(放)電指令，若當(dāng)前處于充(放)電狀態(tài)的電池組可充(放)容量滿足充(放)電需求，當(dāng)前處于充(放)電狀態(tài)的電池組唯一，則只調(diào)度該電池組，如t=8時(shí)段；當(dāng)前處于充(放)電狀態(tài)的電池組不唯一，則實(shí)行平均分配，如t=12時(shí)段。若當(dāng)前處于充(放)電狀態(tài)電池組的可充(放)容量不滿足充(放)電需求，則先調(diào)度當(dāng)前處于充(放)電狀態(tài)電池組最大可調(diào)功率，調(diào)度差值由其余電池組分配，如t=10時(shí)段。且電池組荷電狀態(tài)達(dá)90%，不可繼續(xù)充電，電池組荷電狀態(tài)達(dá)20%，不可繼續(xù)放電。

5 結(jié)語(yǔ)

本文重點(diǎn)研究了光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)日經(jīng)濟(jì)優(yōu)化調(diào)度數(shù)學(xué)模型及其求解方法，實(shí)現(xiàn)了光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)的經(jīng)濟(jì)、安全運(yùn)行，以及電池儲(chǔ)能電站內(nèi)部電池的有效管理。本文提出的改進(jìn)粒子群算法引入了自適應(yīng)慣性權(quán)重和收縮因子，改進(jìn)了粒子速度更新表達(dá)式，求解過(guò)程簡(jiǎn)單，通過(guò)參數(shù)控制就可以較好地平衡全局搜索和局部搜索。本文中的調(diào)度策略基于經(jīng)濟(jì)最優(yōu)為目標(biāo)，且是在儲(chǔ)能容量足夠大的前提下進(jìn)行，后期將繼續(xù)研究多優(yōu)化目標(biāo)及考慮與大電網(wǎng)交互的儲(chǔ)能電站優(yōu)化調(diào)度策略。

[1] 甘思琦,孔令國(guó),蔡國(guó)偉,等. 光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)建模及并網(wǎng)控制[J]. 中國(guó)電力,2015,48(3):116-121. GAN Siqi,KONG Linguo,CAI Guowei,et al. Modeling and grid-connected control of photovoltaic-energy storage hybrid system[J]. Electric Power,2015,48(3):116-121.

[2] BEDIR A,OZPINECI B,CHRISTIAN J E.The impact of plugin hybrid electric vehicle interaction with energy storage and solar panels on the grid for a zero energy house[C]∥Transmission and Distribution Conference and Exposition,2010 IEEE PES,New Orleans,LA,USA,2010:1-6.

[3] LIU Chunhua,CHAU K T,ZHANG Xiaodong. An efficient wind-photovolatic hybrid generation system using doubly excited permanent-magnet brushless machine[J]. IEEE Trans on Industrial Electronics,2010,57(3):831-839.

[4] 張景明,李巖松,杜儒劍,等. 光儲(chǔ)聯(lián)合并網(wǎng)系統(tǒng)建模與低壓耐受能力的研究[J]. 電力建設(shè),2015,36(4):27-31. ZHANG Jingming,LI Yansong,DU Rujian,et al. Modeling and low voltage tolerance ability study of solar-battery hybrid generation system[J]. Electric Power Construction,2015,36(4):27-31.

[5] 劉嬌嬌,王致杰,袁建華,等. 基于PSO算法的風(fēng)光儲(chǔ)微電網(wǎng)優(yōu)化調(diào)度研究[J]. 華東電力,2014,42(8):1534-1539. LIU Jiaojiao,WANG Zhijie,YUAN Jianhua,et al. Optimized dispatch of wind/PV/battery microgrid based on PSO algorithm[J]. East China Electric Power,2014,42(8):1534-1539.

[6] 肖 青,陳 潔,楊 秀,等. 含多種分布式電源的微網(wǎng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),2013,25(4):22-28. XIAO Qing,CHEN Jie,YANG Xiu,et al. Dynamic economic dispatch of microgrid with different types of distributed generations[J]. Proceedings of the CSU-EPSA,2013,25(4):22-28.

[7] 丁 明,徐寧舟,畢 銳. 用于平抑可再生能源功率波動(dòng)的儲(chǔ)能電站建模及評(píng)價(jià)[J]. 電力系統(tǒng)自動(dòng)化,2011,35(2):66-72. DING Ming,XU Ningzhou,BI Rui.Modeling of BESS for smoothing renewable energy output fluctuations[J]. Automation of Electric Power Systems,2011,35(2):66-72.

[8] 周曉燕,劉天琪,沈浩東,等. 含多種分布式電源的微電網(wǎng)經(jīng)濟(jì)調(diào)度研究[J]. 電工電能新技術(shù),2013,32(1):5-8. ZHOU Xiaoyan,LIU Tianqi,SHEN Haodong,et al. Study on economic scheduling of microgrid with different types of distributed generations[J]. Advanced Technology of Electrical Engineering and Energy,2013,32(1):5-8.

[9] 苗雨陽(yáng),盧錦玲,朱國(guó)棟. 基于改進(jìn)多目標(biāo)粒子群算法的微電網(wǎng)并網(wǎng)優(yōu)化調(diào)度[J]. 電工科學(xué)與工程,2012,28(7):15-20. MIAO Yuyang,LU Jinling,ZHU Guodong.Grid-connected optimal dispatching of micro-grid with multi-objective particle swarm algorithm[J]. Electric Power Science and Engineering,2012,28(7):15-20.

[10] 鐘宇峰,黃民翔,葉承晉. 基于電池儲(chǔ)能系統(tǒng)動(dòng)態(tài)調(diào)度的微電網(wǎng)多目標(biāo)運(yùn)行優(yōu)化[J]. 電力自動(dòng)化設(shè)備,2014,34(6):114-121. ZHONG Yufeng,HUANG Minxiang,YE Chengjin.Multi-objective operation optimization of micro-grid based on dynamic scheduling of battery energy storage system[J]. Electric Power Automation Equipment,2014,34(6):114-121.

[11] 葉季蕾,薛金花,吳福保,等. 一種電池儲(chǔ)能電站的經(jīng)濟(jì)優(yōu)化調(diào)度策略[J]. 電源技術(shù),2016,40(2):365-369. YE Jilei,XUE Jinhua,WU Fubao,et al. Economic optimization dispatching strategic of battery energy storage station[J]. Power Technology,2016,40(2):365-369.

[12] 張文婷,范立新,顧 文. 考慮風(fēng)電預(yù)測(cè)誤差的電力系統(tǒng)有功實(shí)時(shí)調(diào)度[J]. 江蘇電機(jī)工程,2016,35(1):11-15. ZHANG Wenting,FAN Lixin,GU Wen.Real-time active power dispatch of wind integrated system considering wind power Forecast Errors[J]. Jiangsu Electrical Engineering,2016,35(1):11-15.

[13] 張勇軍,徐 濤,許 亮,等. 計(jì)及輸電靈活性期望代價(jià)的多目標(biāo)電網(wǎng)協(xié)調(diào)最優(yōu)規(guī)劃[J]. 電力系統(tǒng)自動(dòng)化,2010,34(24):31-35. ZHANG Yongjun,XU Tao,XU Liang,et al. Multi-objective optimal coordinated transmission expansion planning considering flexibility expected expense[J]. Automation of Electric Power Systems,2010,34(24):31-35.

[14] 黃 映. 基于改進(jìn)混合差分進(jìn)化算法的輸電網(wǎng)規(guī)劃研究[J]. 江蘇電機(jī)工程,2015,34(4):36-39. HUANG Ying.Transmission network planning based on improved hybrid differential evolution algorithm[J]. Jiangsu Electrical Engineering,2015,34(4):36-39.

[15] 劉浩明,陸 丹,楊 波,等. 可平抑高滲透分布式光伏發(fā)電功率波動(dòng)的儲(chǔ)能電站調(diào)度策略[J]. 高電壓技術(shù),2015,41(10):3213-3223. LIU Haoming,LU Dan,YANG Bo,et al. Dispatch strategy of energy storage station to smooth power fluctuations of high penetration photovoltaic generation[J]. High Voltage Engineering,2015,41(10):3213-3223.

[16] TAKABAYASHI H,SANO S,HIROSE Y,et al. The application of valve-regulated lead acid batteries to wind power generation system[C]∥Institute of Electrical and Electronic Engineers(IEEE).The 31st IEEE International Telecommunications Energy Conference,Incheon,Korea,2009.

[17] 王 輝. 計(jì)及孤島約束的微網(wǎng)經(jīng)濟(jì)優(yōu)化[J]. 江蘇電機(jī)工程,2016,35(5):57-62. WANG Hui.Economic optimization for micro-grid considering island constraints[J]. Jiangsu Electrical Engineering,2016,35(5):57-62.

(編輯 劉曉燕)

Operation Optimization of Photovoltaic-energy StorageHybrid System Based on Scheduling of Battery Energy Storage System

ZHANG Guoyu1, HONG Chao2,CHEN Dulin1,YE Jilei3

(1.Nanjing Institute of Technology, Nanjing 211100, China;2. Ingdezhen Ceramic Institute, Jingdezhen 333000, China;3.China Electric Power Research Institute(Nanjing), Nanjing 210003, China)

The optimal scheduling strategy of photovoltaic-energy storage hybrid system is an important guarantee for the economic and safe operation of photovoltaic-energy storage hybrid system, but the traditional economic dispatch models do not consider the effective management of the battery energy storage station(BESS)’s internal battery. An economic optimal scheduling strategy of photovoltaic-energy storage hybrid system is put forward, and a mathematics model of economic optimal scheduling is established by taken the lowest total cost a day as optimization objectives and using the power balancing, state of charge, power limit and scheduling cycle as constraint conditions, according to performance parameters and operating conditions of each battery pack. Improved particle swarm optimization (IPSO)algorithm is applied to solve the mathematics model. Finally, the simulation result proved that the improved particle swarm optimization algorithm is superior and the scheduling strategy is proper in the application of photovoltaic-energy storage hybrid system.

battery energy station; photovoltaic-energy storage hybrid system; economic; optimization; dispatching strategy; particle swarm optimization algorithm

2017-01-03；

2017-02-25

TM731

A

2096-3203(2017)03-0050-07

張國(guó)玉

張國(guó)玉(1991—)，女，江蘇鹽城人，碩士，研究方向?yàn)樾履茉窗l(fā)電并網(wǎng)、微網(wǎng)系統(tǒng)優(yōu)化調(diào)度；

洪 超(1982—)，男，江西景德鎮(zhèn)人，講師，研究方向?yàn)殡娏﹄娮雍碗娏κ袌?chǎng)；

陳杜琳(1984—)，女，湖北十堰人，碩士，研究方向?yàn)樾履茉窗l(fā)電并網(wǎng)、微網(wǎng)系統(tǒng)運(yùn)行控制策略；

葉季蕾(1983—)，女，安徽桐城人，高級(jí)工程師，從事電池材料和特性、電池儲(chǔ)能成組應(yīng)用技術(shù)研究和開(kāi)發(fā)工作。